Backtesting
Le backtesting est la méthode générale permettant de voir si une stratégie ou un modèle aurait bien fonctionné ex-post. Backtesting évalue la viabilité d'une stratégie de trading en découvrant comment elle se comporterait à l'aide de données historiques. Si le backtesting fonctionne, les traders et les analystes peuvent avoir la confiance nécessaire pour l'utiliser ultérieurement.
Le backtesting peut être une étape importante dans l'optimisation de votre stratégie de trading. Pour en savoir plus sur l’utilisation des outils d’analyse graphique pour identifier les opportunités de trading rentables, consultez le cours d’analyse technique de l’Académie Investopedia.
Les bases du backtesting
Le backtesting permet à un trader de simuler une stratégie de trading en utilisant des données historiques pour générer des résultats et analyser le risque et la rentabilité avant de risquer un capital réel.
Un backtest bien conduit qui donne des résultats positifs assure aux traders que la stratégie est fondamentalement saine et qu'elle est susceptible de générer des bénéfices si elle est effectivement mise en œuvre. Un backtest bien conduit qui donne des résultats non optimaux incitera les traders à modifier ou à rejeter la stratégie. Les stratégies de négociation particulièrement compliquées, telles que les stratégies mises en œuvre par des systèmes de négociation automatisés, reposent largement sur des tests en arrière pour prouver leur valeur, car elles sont trop mystérieuses pour évaluer autrement.
Tant qu'une idée commerciale peut être quantifiée, elle peut être testée à l’avance. Certains commerçants et investisseurs peuvent faire appel à l'expertise d'un programmeur qualifié pour développer l'idée sous une forme testable. En règle générale, cela implique un programmeur codant l'idée dans le langage propriétaire hébergé par la plateforme de trading. Le programmeur peut incorporer des variables d’entrée définies par l’utilisateur qui permettent au professionnel de «modifier» le système. Un exemple de ceci serait dans le système de croisement à moyenne mobile simple mentionné ci-dessus. Le commerçant pourrait entrer (ou modifier) la longueur des deux moyennes mobiles utilisées dans le système. Le commerçant pourrait effectuer un backtest pour déterminer quelles longueurs de moyennes mobiles auraient donné les meilleurs résultats pour les données historiques.
Points clés à retenir
- Le backtesting évalue la viabilité d'une stratégie de trading ou d'un modèle de tarification en découvrant comment cela se déroulerait à l'aide de données historiques.
- Si le backtesting fonctionne, les traders et les analystes peuvent avoir la confiance nécessaire pour l'utiliser ultérieurement.
- Un backtest bien conduit qui donne des résultats positifs assure aux traders que la stratégie est fondamentalement saine et qu'elle est susceptible de générer des bénéfices si elle est effectivement mise en œuvre. Un backtest bien conduit qui donne des résultats non optimaux incitera les traders à modifier ou à rejeter la stratégie.
Le scénario idéal de backtesting
Le backtest idéal choisit des données d'échantillon à partir d'une période pertinente d'une durée reflétant diverses conditions de marché. De cette manière, on peut mieux juger si les résultats du backtest représentent un coup de chance ou un trading solide.
L'ensemble de données historiques doit inclure un échantillon véritablement représentatif d'actions, y compris celles de sociétés qui ont fini par faire faillite ou ont été vendues ou liquidées. L’alternative, qui ne comprend que les données des stocks historiques qui sont encore disponibles aujourd’hui, produira des rendements artificiellement élevés en backtesting.
Un backtest doit prendre en compte tous les coûts de transaction, même les plus minimes, car ils peuvent s’additionner au cours de la période de backtesting et affecter considérablement l’apparence de la rentabilité d’une stratégie. Les commerçants doivent s'assurer que leurs logiciels de backtesting prennent en compte ces coûts. Les tests hors échantillon et les tests de performance prévisionnels fournissent une confirmation supplémentaire de l'efficacité d'un système et peuvent indiquer les vraies couleurs d'un système avant que de l'argent ne soit réellement disponible. Une bonne corrélation entre les tests de performance en arrière-test, hors échantillon et en aval est essentielle pour déterminer la viabilité d'un système de trading.
Backtesting vs. Forward Performance Test
Les tests de performance prévisionnels, également appelés transactions sur papier, fournissent aux traders un autre ensemble de données hors échantillon sur lesquelles évaluer un système. Les tests de performance prévisionnels sont une simulation du trading réel et impliquent de suivre la logique du système sur un marché réel. Cela s'appelle également le commerce de papier puisque toutes les transactions sont exécutées sur papier seulement; c'est-à-dire que les entrées et les sorties de transaction sont documentées avec tout bénéfice ou perte pour le système, mais aucune transaction réelle n'est exécutée.
Un aspect important des tests de performance futurs consiste à suivre exactement la logique du système. sinon, il devient difficile, voire impossible, d’évaluer avec précision cette étape du processus. Les traders doivent être honnêtes à propos des entrées et des sorties de commerce et éviter des comportements tels que la cueillette des métiers ou ne pas inclure de transaction sur papier en précisant que "je n'aurais jamais accepté cette transaction". Si l'opération avait eu lieu selon la logique du système, elle devrait être documentée et évaluée.
La différence entre le backtesting et l'analyse de scénarios
Alors que le backtesting utilise des données historiques réelles pour vérifier l'ajustement ou le succès, l'analyse de scénario utilise des données hypothétiques qui simulent divers résultats possibles. Par exemple, une analyse de scénario simulera des modifications spécifiques de la valeur des titres du portefeuille ou des facteurs clés, tels qu'une modification du taux d'intérêt. L'analyse de scénario est couramment utilisée pour estimer les modifications de la valeur d'un portefeuille en réponse à un événement défavorable, et peut également être utilisée pour examiner un scénario théorique défavorable.
Quelques pièges du backtesting
Pour que le backtesting donne des résultats significatifs, les traders doivent développer leurs stratégies et les tester de bonne foi, en évitant autant que possible les biais. Cela signifie que la stratégie doit être développée sans s'appuyer sur les données utilisées dans le backtesting. C'est plus difficile qu'il n'y paraît. Les commerçants construisent généralement des stratégies basées sur des données historiques. Ils doivent être stricts sur les tests avec des ensembles de données différents de ceux sur lesquels ils forment leurs modèles. Sinon, le test en arrière produira des résultats lumineux qui ne veulent rien dire.
De même, les traders doivent également éviter le dragage de données, dans lequel ils testent un large éventail de stratégies hypothétiques par rapport au même ensemble de données, et produiront également des succès qui échoueront sur les marchés en temps réel, car de nombreuses stratégies non valides dépasseraient le marché. une période de temps spécifique par hasard.
Une façon de compenser la tendance à la drague des données ou à la sélection des données consiste à utiliser une stratégie réussie dans la période pertinente ou dans l'échantillon et à la tester à l'aide de données provenant d'une période différente ou en dehors de l'échantillon. Si les backtests intra-échantillon et hors échantillon donnent des résultats similaires, ils sont généralement valables.
Comparaison des comptes d'investissement Nom du fournisseur Description Divulgation par l'annonceur × Les offres figurant dans ce tableau proviennent de partenariats avec lesquels Investopedia reçoit une rémunération.